Python Tensorflow图像序列到序列

我想构建tensorflow，它基本上是图中的seq2seq模型。就像典型的语言模型一样，只是图像必须通过CNN转换为图像嵌入

问题是，当我读取形状的图像张量序列[seq_length，batch，w，h，c]时，我想用我的编码器（例如AlexNet）对每个张量进行编码。（我打开这个张量，得到大小为seq_长度的张量列表）

我尝试使用tf.while\u循环来迭代张量列表，但如果在tf.while\u循环中使用切片，则梯度计算似乎不起作用。有一些讨论

有没有办法在张量列表上循环并用可学习网络对每个张量（[b，w，h，c]）进行编码？我尝试了几种方法，但梯度计算似乎是错误的。我认为必须有一个简单的方法来做到这一点，但我只是新的Tensorflow，任何帮助或例子将不胜感激

我尝试的while循环方法：

  input_array = tensor_array_ops.TensorArray(
            dtype=tf.float32, size=sequence_length,
            dynamic_size=False, infer_shape=True)
  encoded_array = tensor_array_ops.TensorArray(
            dtype=tf.float32, size=sequence_length,
            dynamic_size=False, infer_shape=True)
  decoded_array = tensor_array_ops.TensorArray(
            dtype=tf.float32, size=sequence_length,
            dynamic_size=False, infer_shape=True)

  input_array = input_array.unpack(inputT)

  def encoder_body(index, inputs, outputs):
    x = inputs.read(index)
    outputs = outputs.write(index, encoder(x, phase_train))
    return index + 1, inputs, outputs

  def decoder_body(index, inputs, outputs):
    x = inputs.read(index)
    outputs = outputs.write(index, decoder(x, phase_train, batch_size))
    return index + 1, inputs, outputs

  _, _, encoded_array = tf.while_loop(lambda i, j, k: i<sequence_length,
                                        encoder_body, (tf.constant(0), input_array, encoded_array))
  _, _, decoded_array = tf.while_loop(lambda i, j, k: i<sequence_length,
                                        decoder_body, (tf.constant(0), encoded_array, decoded_array))

input\u array=tensor\u array\u ops.TensorArray(
dtype=tf.float32，size=sequence\u length，
动态大小=假，推断形状=真）
编码的数组=张量数组(
dtype=tf.float32，size=sequence\u length，
动态大小=假，推断形状=真）
解码数组=张量数组(
dtype=tf.float32，size=sequence\u length，
动态大小=假，推断形状=真）
输入数组=输入数组。解包（输入）
def编码器_主体（索引、输入、输出）：
x=输入。读取（索引）
输出=输出。写入（索引、编码器（x、相位_序列））
返回索引+1，输入，输出
def解码器_主体（索引、输入、输出）：
x=输入。读取（索引）
输出=输出。写入（索引、解码器（x、相位序列、批量大小））
返回索引+1，输入，输出
_，编码数组=tf。while_loop（lambda i，j，k:i你找到这个问题的答案了吗？